[发明专利]一种基于距离优化降维的手写字体识别系统

权利要求书

1.一种基于距离优化降维的手写字体识别系统，其特征在于，包括手写字体库、手写字体识别平台、手写字体输出模块，所述手写字体识别平台包括：查找模块、重建模块、嵌入模块；

所述查找模块用于确定每个样本点的个近邻点；

所述确定每个样本点的个近邻点包括：

第一步骤：计算低维度距离矩阵的距离元素：

所述x_i为第一样本点，所述第一样本点为样本矩阵中任一样本点；

所述x_j为第二样本点，所述第二样本点为样本矩阵中除第一样本点外另一样本点；

所述M(i)为M(第j)一样本点与样本库其余样本点之间距离的平均值；

所述M(j)为第二样本点与样本库其余样本点之间距离的平均值；

所述为第一样本点和第二样本点之间的距离；

第二步骤：根据距离元素确定样本点相应的K个近邻点，所述K为预设定值；

所述重建模块用于根据每个样本点的近邻点计算出该样本点的局部重建权值矩阵；

计算出该样本点的局部重建权值矩阵包括：

第三步骤：建立局部协方差矩阵：

Z_jm＝(x_i-x_ij)^T(x_i-x_im)

所述Z_jm为样本点x_i的局部协方差矩阵；

所述x_ij为样本点x_i的K个近邻点；

第四步骤：判断近邻点数是否大于样本维度，若近邻点数大于样本维度，则采取正则化局部协方差矩阵：

Zjm＝Zjm+rI

所述r是正则化参数；

所述I为一个n×n单位矩阵；

若近邻点数小于样本维度，则建立重建权值矩阵：

所述W_ij＝[W_i1，W_i2……W_ik]^T为样本点x_i的局部重建权值；

每个数据点只通过它的近邻点来构造，当某个数据点不属于所重构数据点的近邻点时，相应的W_ij＝0；

权值矩阵每行元素之和等于1，即

所述嵌入模块用于利用权值矩阵寻找样本集的低维嵌入；

所述利用权值矩阵寻找样本集的低维嵌入包括：

第五步骤：分解重建权值矩阵：

M＝(I-W)^T(I-W)

降维后的数据应满足：

所述y_ij为第K个邻近点；

第六步骤：构造误差函数：

2.根据权利要求1所述的一种基于距离优化降维的手写字体识别系统，其特征在于，所述手写字体库包括以一维矩阵存储的28×28的灰度图像存储的0～9手写字体。